允中 发自 凹非寺
量子位 编辑 | 公众号 QbitAI
从这个月开始, 特斯拉终于跌破 30 万, 进入补贴行列, 与国产汽车展开正面竞争.
在国产汽车和特斯拉之间该如何选择, 除了续航里程外, 最重要的可能就是智能驾驶系统了.
智能驾驶系统该怎么比较? 摄像系统, 激光雷达, 毫米波雷达这些硬件, 都是自动驾驶系统的耳和眼, 在选购的时候固然不可忽略. 另外, 和选购手机电脑要看 CPU 一样, 车载计算平台 也是绝对不可忽视的一项参数, 甚至还可能是决定因素.
车载计算平台有多重要?
简单来说, 车载计算平台是一切智能驾驶功能的实现基础. 大部分智能驾驶 / 驾驶辅助功能的实现原理都是通过处理车载传感器所收集的数据判断场景, 再依据场景提供相应的功能.
而车载计算平台就是处理这些数据并作出相应判断的核心单元, 其之于车载传感器以及车载控制系统的关系, 类似于人脑之于五官以及四肢的关系.
换句话说, 没有车载计算平台的支撑, 为系统增加再多的传感器或再精准的控制系统都将是徒劳.
由于汽车驾驶场景的复杂程度极高, 车辆就需要数量更多, 精度更高的传感器来覆盖足够全面的复杂场景, 这就使得车企对车载计算平台算力的需求进一步增强.
与消费电子领域的计算平台不同, 车载计算平台在功耗, 安全性以及稳定性上都有着极其严苛的要求, 这就使得研发高算力产品的难度进一步提高.
为了攻克这一难题, 特斯拉想尽了一切办法, 甚至选择了自主研发计算芯片.
众所周知, 特斯拉是全球智能驾驶领域的标杆, 其 Autopilot 系统无论是在功能开放程度还是实际使用体验上都要优于其它传统车企的产品.
不过, 如果单看 Autopilot 系统的传感器布局, 你会发现其并没有太多出彩的地方, 既没有搭载奥迪 A8 上的激光雷达, 也没有使用通用 Supercruise 上的高精地图, 而是仅仅靠着最传统的摄像头 + 毫米波雷达来完成数据采集.
其中既有出于整车成本的考量, 也有对计算芯片能力的自信.
事实上, Autopilot 的出色表现来自于其所使用的 AI 深度学习算法, 支撑这整套复杂算法正是特斯拉自研的高性能车载计算平台.
早在 Autopilot 1.0 的时代, 马斯克就敏锐的发现了车载计算平台的重要性, 而当时为 Autopilot 提供计算平台的供应商 Mobileye 已经无法提供让马斯克所满意的产品了.
因此在 2016 年, 我们首次看到了搭载基于 NVIDIA Drive PX2 定制计算平台的特斯拉量产车, 这就是 Autopilot 2.0.
1 年后, NVIDIA 按照特斯拉的要求对这套计算平台进行了进一步的更新, 也就是业内所说的 Autopilot 2.5.
然而 NVIDIA 的更新步伐仍然无法满足特斯拉对于高算力计算平台的需求, 最终, 马斯克选择了邀请传奇芯片架构师 Jim Keller 出山, 带领特斯拉团队自主研发了新一代的车载计算平台芯片, 这就是目前特斯拉 Autopilot 3.0 系统上所搭载的 FSD(Full Self-driving)芯片.
从算力上来看, Autopilot 2.5 的计算平台搭载两颗 NVIDIA Tegra Parker SoC 和一颗 Pascal 架构 GPU, 平台算力在 10 TOPS 左右, 而 Autopilot 3.0 搭载两个特斯拉自研 FSD 芯片, 平台算力则高达 72 TOPS, 这要比小鹏 P7 上所搭载的 NVIDIA 最新一代 Xavier SoC 的算力 (30 TOPS) 还要高出一倍多.
高算力所带来的性能提升直接体现在了 Autopilot 3.0 系统的视觉感知能力上, 虽然 Autopilot 2.5 与 Autopilot 3.0 所搭载的传感器布局基本一致, 但前者由于算力的限制, 车外所有摄像头中, 只有前视三目中的一个摄像头能够在高帧数下运转, 而其余摄像头均只能运行在 10 帧 / 秒的帧数以下.
反观 Autopilot 3.0, 其算力可以支撑全部 8 个摄像头均在 36 帧 / 秒的速度运转. 高帧数所带来的直接效果就是车辆所能感知到的环境信息更加丰富, 这也使得人工智能算法能够更准确的识别并标注道路上的物体, 从而达到更高的智能驾驶系统表现.
车载计算平台是车企的阿喀琉斯之踵
特斯拉的芯片自研策略足以说明车载计算平台的重要性, 但是, 马斯克和特斯拉毕竟只有一个, 芯片自研之路也不是谁都可以走的, 因此, 绝大部分车企在整合车载计算平台时仍然要依赖芯片厂商提供解决方案.
令人遗憾的是, 目前车载计算平台的供应链被少数几家强势的 Tier 2 厂商所垄断, 包括前面提到的 Mobileye 以及 NVIDIA, 这意味着上述几个厂商牢牢控制着智能驾驶领域最核心零部件的研发与迭代节奏.
不管车企和 Tier 1 对高算力平台的需求多么迫切, 也都只能把自己的精力与资源全部押宝于现有的这几家供应商. 也正是市场上车载计算平台可选择性的匮乏, 导致了众多车企的智能驾驶系统出现差异性不强, 研发成本高, 更新迭代速度慢等问题.
如果我们把目光聚焦于国内, 更会发现车载计算平台是我国发展智能驾驶的阿喀琉斯之踵. 由于上面提到的计算平台的垄断供应商全部是海外企业, 其核心研发部门均不在国内, 且在国内所提供的产品也都是与全球其它市场同步的标准化解决方案, 因此国内车企在选择车载计算平台时就会面临三大难题:
国外供应商提供的计算平台解决方案较为封闭, 没有给国内车企流出足够多的算法定制与自研空间.
由于国外供应商的核心技术团队都在海外, 其在国内提供的本土化技术支持十分有限, 响应速度也远无法达到国内车企的需求.
国外供应商提供的解决方普遍价格较高, 议价空间也十分有限. 这对本就主打国内主打性价比, 利润空间相对较小的国内车企来说是一大挑战.
以最近小鹏发布的 P7 为例, 为了达成中央计算平台所需要的高算力, 小鹏汽车不惜血本, 在 P7 的车载计算平台当中首次使用了 NVIDIA 的最新一代 Drive 平台芯片 Xavier SoC, 据说 Xavier 的官方价格达到 500 美金.
由于确乏本土的供应商, 车载计算平台领域已经成为了中国发展智能驾驶的最大瓶颈. 在这个背景下, 国内智能驾驶产业的上下游, 均在期盼着有国内的公司能够提供有竞争力的车载计算平台解决方案.
中国汽车芯片迎来机会
针对这样一个关键的市场缺口, 从 2018 年开始, 国内浮现了一批提供相关解决方案的创业公司, 芯片的自主可控近几年也呼声颇高.
但车载计算芯片的产品门槛极高, 不单单需要企业具备充足的半导体相关软硬件研发经验, 同时在产品的定义与生产等环节上还要与汽车行业的标准严格接轨. 这就导致了国内的 "自主芯片" 呼声虽高, 但鲜有成熟的产品问世, 目前在量产车市场当中实现产品落地的, 只有 地平线 一家创业公司.
作为国内最早的一家专注于 AI 芯片开发的创业公司, 地平线在智能驾驶领域同样定位于 Tier 2. 但是与国际厂商不同的是, 地平线立足于国内, 拥有着海外公司所不具备的本土化优势 -- 既地平线能够更加快速地响应国内客户的需求, 并提供符合本土用户使用习惯的自动驾驶解决方案.
当然, 仅依靠本土化能力还远远不够, 车载计算平台开发的最大难点在于如何在低功耗, 高安全性和高稳定性的基础之上实现高算力和高表现. 今年, 地平线在智能驾驶领域的核心产品征程 2 芯片实现了首次联产项目落地, 搭载在了长安 UNI-T 上.
作为国内首款车规级 AI 芯片, 征程 2 的性能丝毫不逊色于同级别的海外产品, 得益于与 Mobileye 类似的软硬结合研发模式, 征程 2 可在典型功耗仅 2 瓦的情况下, 提供 4 TOPS 等效算力.
不过, 与 Mobileye 软硬结合所产生的封闭产品策略不同, 地平线为了保持自身产品的开放性, 特意为其征程芯片配备了一套名为 "天工开物" 的 AI 开发平台, 其中的工具链和算法 IP 给了客户充足的空间去开发以及定制符合其自身差异化需求的系统.
在征程 2 取得市场肯定的基础之上, 地平线正在全力研发其下一代产品 -- 征程 5. 据悉, 预计在今年正式推出的征程 5 将面向高级别自动驾驶市场, 其算力将超过特斯拉自研的 FSD 芯片, 达到 96 TOPS AI 算力.
这也使其有能力驱动最多 16 路高清摄像头同时在高帧数情况下进行感知. 与特斯拉的 FSD 一样, 征程 5 的设计也严格遵循着 "软件定义硬件" 的思路, 旨在能够最大化的将其芯片算力应用于智能驾驶和视觉感知相关的 AI 算法, 可以说征程 5+"天工开物" 的组合未来将成为中国车企对标特斯拉的必备解决方案.
虽然疫情给 2020 年的汽车市场蒙上了一层阴影, 但是新能源, 自动驾驶仍是汽车行业未来的长期趋势, 对于从事前沿技术研发来说, 目前这个阶段提升技术内功的绝佳时期.
年初我国发布了《智能汽车创新发展战略》和《汽车驾驶自动化分级》两个推荐性国家标准, 也从侧面印证了国家对汽车行业的重视.
国内智能汽车在今年的发展也并没有任何因疫情而放缓的迹象, 国内车企对于高级别自动驾驶系统的渴求甚至不降反升, 这是包括地平线在内的国产汽车芯片公司发展的一个重要机遇.
版权所有, 未经授权不得以任何形式转载及使用, 违者必究.
来源: http://www.tuicool.com/articles/mAnmUbJ